3DCoMPaT200: Language-Grounded Compositional Understanding of Parts and Materials of 3D Shapes
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ahmed, Mahmoud, Li, Xiang, Prajapati, Arpit, Elhoseiny, Mohamed |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
3DCoMPaT$^{++}$: An improved Large-scale 3D Vision Dataset for Compositional Recognition
par: Slim, Habib, et autres
Publié: (2023)
par: Slim, Habib, et autres
Publié: (2023)
Kestrel: 3D Multimodal LLM for Part-Aware Grounded Description
par: Ahmed, Mahmoud, et autres
Publié: (2024)
par: Ahmed, Mahmoud, et autres
Publié: (2024)
CoT3DRef: Chain-of-Thoughts Data-Efficient 3D Visual Grounding
par: Abdelrahman, Eslam, et autres
Publié: (2023)
par: Abdelrahman, Eslam, et autres
Publié: (2023)
VRSBench: A Versatile Vision-Language Benchmark Dataset for Remote Sensing Image Understanding
par: Li, Xiang, et autres
Publié: (2024)
par: Li, Xiang, et autres
Publié: (2024)
ReceiptSense: Beyond Traditional OCR -- A Dataset for Receipt Understanding
par: Abdallah, Abdelrahman, et autres
Publié: (2024)
par: Abdallah, Abdelrahman, et autres
Publié: (2024)
A Study of the Framework and Real-World Applications of Language Embedding for 3D Scene Understanding
par: Zaouali, Mahmoud Chick, et autres
Publié: (2025)
par: Zaouali, Mahmoud Chick, et autres
Publié: (2025)
Weakly-Supervised 3D Visual Grounding based on Visual Language Alignment
par: Xu, Xiaoxu, et autres
Publié: (2023)
par: Xu, Xiaoxu, et autres
Publié: (2023)
MiniGPT-Med: Large Language Model as a General Interface for Radiology Diagnosis
par: Alkhaldi, Asma, et autres
Publié: (2024)
par: Alkhaldi, Asma, et autres
Publié: (2024)
StoryGPT-V: Large Language Models as Consistent Story Visualizers
par: Shen, Xiaoqian, et autres
Publié: (2023)
par: Shen, Xiaoqian, et autres
Publié: (2023)
Adaptive Markup Language Generation for Contextually-Grounded Visual Document Understanding
par: Xiao, Han, et autres
Publié: (2025)
par: Xiao, Han, et autres
Publié: (2025)
Inference-Time Structural Reasoning for Compositional Vision-Language Understanding
par: Bhattacharya, Amartya
Publié: (2026)
par: Bhattacharya, Amartya
Publié: (2026)
VoxRep: Enhancing 3D Spatial Understanding in 2D Vision-Language Models via Voxel Representation
par: Dao, Alan, et autres
Publié: (2025)
par: Dao, Alan, et autres
Publié: (2025)
Video-3D LLM: Learning Position-Aware Video Representation for 3D Scene Understanding
par: Zheng, Duo, et autres
Publié: (2024)
par: Zheng, Duo, et autres
Publié: (2024)
Error-Driven Scene Editing for 3D Grounding in Large Language Models
par: Zhang, Yue, et autres
Publié: (2025)
par: Zhang, Yue, et autres
Publié: (2025)
Four Ways to Improve Verbo-visual Fusion for Dense 3D Visual Grounding
par: Unal, Ozan, et autres
Publié: (2023)
par: Unal, Ozan, et autres
Publié: (2023)
Plug-and-Play Grounding of Reasoning in Multimodal Large Language Models
par: Chen, Jiaxing, et autres
Publié: (2024)
par: Chen, Jiaxing, et autres
Publié: (2024)
SceneVerse: Scaling 3D Vision-Language Learning for Grounded Scene Understanding
par: Jia, Baoxiong, et autres
Publié: (2024)
par: Jia, Baoxiong, et autres
Publié: (2024)
Vgent: Graph-based Retrieval-Reasoning-Augmented Generation For Long Video Understanding
par: Shen, Xiaoqian, et autres
Publié: (2025)
par: Shen, Xiaoqian, et autres
Publié: (2025)
Masked Point-Entity Contrast for Open-Vocabulary 3D Scene Understanding
par: Wang, Yan, et autres
Publié: (2025)
par: Wang, Yan, et autres
Publié: (2025)
Transcrib3D: 3D Referring Expression Resolution through Large Language Models
par: Fang, Jiading, et autres
Publié: (2024)
par: Fang, Jiading, et autres
Publié: (2024)
Evaluating Vision-Language Models as Evaluators in Path Planning
par: Aghzal, Mohamed, et autres
Publié: (2024)
par: Aghzal, Mohamed, et autres
Publié: (2024)
DocAtlas: Multilingual Document Understanding Across 80+ Languages
par: Heakl, Ahmed, et autres
Publié: (2026)
par: Heakl, Ahmed, et autres
Publié: (2026)
GroundingGPT:Language Enhanced Multi-modal Grounding Model
par: Li, Zhaowei, et autres
Publié: (2024)
par: Li, Zhaowei, et autres
Publié: (2024)
PartDistill: 3D Shape Part Segmentation by Vision-Language Model Distillation
par: Umam, Ardian, et autres
Publié: (2023)
par: Umam, Ardian, et autres
Publié: (2023)
Language-Image Models with 3D Understanding
par: Cho, Jang Hyun, et autres
Publié: (2024)
par: Cho, Jang Hyun, et autres
Publié: (2024)
GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images
par: Lan, Xiang, et autres
Publié: (2025)
par: Lan, Xiang, et autres
Publié: (2025)
InfiniBench: A Benchmark for Large Multi-Modal Models in Long-Form Movies and TV Shows
par: Ataallah, Kirolos, et autres
Publié: (2024)
par: Ataallah, Kirolos, et autres
Publié: (2024)
ViGiL3D: A Linguistically Diverse Dataset for 3D Visual Grounding
par: Wang, Austin T., et autres
Publié: (2025)
par: Wang, Austin T., et autres
Publié: (2025)
VLM-3R: Vision-Language Models Augmented with Instruction-Aligned 3D Reconstruction
par: Fan, Zhiwen, et autres
Publié: (2025)
par: Fan, Zhiwen, et autres
Publié: (2025)
Benchmarking and Improving Large Vision-Language Models for Fundamental Visual Graph Understanding and Reasoning
par: Zhu, Yingjie, et autres
Publié: (2024)
par: Zhu, Yingjie, et autres
Publié: (2024)
Zero-Shot Scene Understanding with Multimodal Large Language Models for Automated Vehicles
par: Elhenawy, Mohammed, et autres
Publié: (2025)
par: Elhenawy, Mohammed, et autres
Publié: (2025)
G$^2$VLM: Geometry Grounded Vision Language Model with Unified 3D Reconstruction and Spatial Reasoning
par: Hu, Wenbo, et autres
Publié: (2025)
par: Hu, Wenbo, et autres
Publié: (2025)
More Text, Less Point: Towards 3D Data-Efficient Point-Language Understanding
par: Tang, Yuan, et autres
Publié: (2024)
par: Tang, Yuan, et autres
Publié: (2024)
Grounding Language Models for Visual Entity Recognition
par: Xiao, Zilin, et autres
Publié: (2024)
par: Xiao, Zilin, et autres
Publié: (2024)
The Mechanistic Emergence of Symbol Grounding in Language Models
par: Wu, Shuyu, et autres
Publié: (2025)
par: Wu, Shuyu, et autres
Publié: (2025)
Mask the Target: A Plug-and-Play Regularizer Against LoRA Forgetting
par: Xu, Runze, et autres
Publié: (2026)
par: Xu, Runze, et autres
Publié: (2026)
MUSEG: Reinforcing Video Temporal Understanding via Timestamp-Aware Multi-Segment Grounding
par: Luo, Fuwen, et autres
Publié: (2025)
par: Luo, Fuwen, et autres
Publié: (2025)
ScanReason: Empowering 3D Visual Grounding with Reasoning Capabilities
par: Zhu, Chenming, et autres
Publié: (2024)
par: Zhu, Chenming, et autres
Publié: (2024)
CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios
par: Lin, Jingyang, et autres
Publié: (2024)
par: Lin, Jingyang, et autres
Publié: (2024)
The ART of Composition: Attention-Regularized Training for Compositional Visual Grounding
par: Luo, Jiayun, et autres
Publié: (2024)
par: Luo, Jiayun, et autres
Publié: (2024)
Documents similaires
-
3DCoMPaT$^{++}$: An improved Large-scale 3D Vision Dataset for Compositional Recognition
par: Slim, Habib, et autres
Publié: (2023) -
Kestrel: 3D Multimodal LLM for Part-Aware Grounded Description
par: Ahmed, Mahmoud, et autres
Publié: (2024) -
CoT3DRef: Chain-of-Thoughts Data-Efficient 3D Visual Grounding
par: Abdelrahman, Eslam, et autres
Publié: (2023) -
VRSBench: A Versatile Vision-Language Benchmark Dataset for Remote Sensing Image Understanding
par: Li, Xiang, et autres
Publié: (2024) -
ReceiptSense: Beyond Traditional OCR -- A Dataset for Receipt Understanding
par: Abdallah, Abdelrahman, et autres
Publié: (2024)